论文部分内容阅读
在数字图像处理中,均匀离散曲波变换(Uniform Discrete CurveletTransform UDCT)是一种新的多分辨率分析工具,利用各系数之间的关系为UDCT系数建立合适的模型,并为其选取合适的参数估计算法,是解决UDCT在图像去噪应用的一个关键问题。文中重点研究UDCT系数建模和参数估计问题以及其在图像去噪中应用。在当前已有的小波变换(Wavelet)、轮廓波变换(Contourlet)研究的基础上,提出对UDCT系数的尺度内的关系采用广义高斯模型而对尺度间关系则采取隐马尔科夫树模型描述,提出相应的参数估计算法并用于图像的去噪处理。本文的主要工作及创新之处:(1)文中针对广义高斯分布参数拟合问题提出用连分式迭代来实现广义高斯分布的参数估计;连分式迭代具有算法稳定、收敛域广、计算精度高、迭代速度快等特性。文中首先构造出基于连分式的广义高斯分布(GeneralizedGaussian Distribution GGD)形状参数的迭代格式;且通过与矩估计、牛顿迭代和连分式迭代等算法进行比较,经过大量的实验可得出,在不同方差噪声时,基于连分式迭代算法在计算时间复杂度和精度上都优于其它算法,而且收敛性不受初始值等参数制约,总能收敛到最优值附近。(2)针对隐马尔科夫树模型存在的计算量问题,通过分析系数衰减性和尺度间系数延续性,提出一种新的对算法参数初值的方差和状态转移矩阵优化方法,实验结果证明:训练序列时间减少2/5;在采用峰值信噪比和相似度作为图像去噪效果的度量时,同等条件下文中提出的算法比Wavelet HMT、ContourletHMT、UDCT HMT算法有较好的实时性和去噪效果。